ما در حال حاضر در نقطه عطفی در زمینه هوش مصنوعی قرار داریم. طبق یک مطالعه اخیر توسط McKinsey، به نقطهای رسیدهایم که 'کسبوکارها باید برای جلو ماندن از رقابت، فراتر از اتوماسیون (خودکارسازی) نگاه کرده و به بازآفرینی مبتنی بر هوش مصنوعی روی آورند'. در حالی که دوران شتاب مبتنی بر هوش مصنوعی به پایان نرسیده است، مرحله جدیدی آغاز شده است - مرحلهای که فراتر از کارآمدتر کردن گردشکارهای موجود رفته و به سمت جایگزینی گردشکارهای موجود و/یا ایجاد گردشکارهای جدید حرکت میکند.
این عصر هوش مصنوعی عاملی (Agentic AI) است.
عاملهای هوش مصنوعی واقعاً خودگردان قادر به تغییر شکل کامل عملیات هستند. سیستمها میتوانند بهطور مستقل عمل کرده، تصمیم بگیرند و بهصورت پویا سازگار شوند. این عاملها فراتر از رابطهای مکالمهای خواهند رفت، به ورودی کاربر پاسخ میدهند و بهطور فعال وظایف را مدیریت میکنند، در محیطهای پیچیده فناوری اطلاعات حرکت میکنند و فرآیندهای تجاری را هماهنگ میکنند.
با این حال، این تغییر فقط مربوط به فناوری نیست - بلکه ملاحظاتی را نیز به همراه دارد. شرکتها برای موفقیت در این تکامل، باید به چالشهای نظارتی رسیدگی کنند، دانش هوش مصنوعی را ایجاد کنند و بر موارد استفاده کاربردی با بازگشت سرمایه (ROI) واضح تمرکز کنند.
حرکت از شتاب به تحول
تا کنون، شرکتها عمدتاً از هوش مصنوعی برای سرعت بخشیدن به فرآیندهای موجود استفاده کردهاند، چه از طریق چتباتهایی که تعاملات مشتری را بهبود میبخشند یا تجزیه و تحلیل مبتنی بر هوش مصنوعی که گردشکارها را بهینه میکند. در پایان، این پیادهسازیها کسبوکارها را کارآمدتر میکنند.
اما شتاب به تنهایی دیگر برای پیشتاز ماندن در بازی کافی نیست. فرصت واقعی در جایگزینی کامل گردشکارهای قدیمی و ایجاد قابلیتهای جدیدی است که قبلاً غیرممکن بود.
به عنوان مثال، هوش مصنوعی نقش مهمی در خودکارسازی عیبیابی و افزایش امنیت در صنعت شبکه ایفا میکند. اما اگر هوش مصنوعی بتواند به طور خودکار شکستها را پیشبینی کرده، شبکهها را بهطور فعال برای جلوگیری از کاهش سطح خدمات در زمان واقعی پیکربندی مجدد کند و عملکرد را بدون دخالت انسان بهینه کند، چه؟ با خودمختارتر شدن هوش مصنوعی، توانایی آن برای نه تنها کمک، بلکه عمل مستقل، کلید دستیابی به سطوح جدیدی از بهرهوری و نوآوری خواهد بود.
این همان چیزی است که هوش مصنوعی عاملی درباره آن است.
پیمایش در چشمانداز نظارتی هوش مصنوعی
با این حال، با خودمختارتر شدن هوش مصنوعی، چشمانداز نظارتی حاکم بر استقرار آن به موازات آن تکامل خواهد یافت. معرفی قانون هوش مصنوعی اتحادیه اروپا (EU AI Act)، در کنار چارچوبهای نظارتی جهانی، به این معنی است که شرکتها از قبل باید الزامات انطباق جدید مربوط به شفافیت هوش مصنوعی، کاهش تعصب و استقرار اخلاقی را دنبال کنند.
این بدان معناست که حاکمیت هوش مصنوعی دیگر نمیتواند یک فکر بعدی باشد.
سیستمهای مبتنی بر هوش مصنوعی باید با مکانیسمهای انطباق داخلی، محافظت از حریم خصوصی دادهها و ویژگیهای توضیحپذیری طراحی شوند تا اعتماد را در بین کاربران و تنظیمکنندهها ایجاد کنند. مدلهای امنیتی بدون اعتماد (Zero-trust) نیز در کاهش خطرات، اعمال کنترلهای دسترسی سختگیرانه و اطمینان از اینکه تصمیمات هوش مصنوعی قابل ممیزی و ایمن باقی میمانند، بسیار مهم خواهند بود.
اهمیت دانش هوش مصنوعی
همانطور که گفته شد، موفقیت دوران هوش مصنوعی عاملی به چیزی بیش از قابلیتهای فنی بستگی دارد - بلکه نیازمند همسویی بین رهبری، توسعهدهندگان و کاربران نهایی است. با پیشرفتهتر شدن هوش مصنوعی، دانش هوش مصنوعی به یک عامل تمایز کلیدی تبدیل میشود و شرکتها باید در ارتقای مهارت نیروی کار خود برای درک قابلیتها، محدودیتها و ملاحظات اخلاقی هوش مصنوعی سرمایهگذاری کنند. گزارش اخیر کنسرسیوم نیروی کار ICT نشان داد که انتظار میرود 92 درصد از مشاغل فناوری اطلاعات و ارتباطات به دلیل پیشرفت در هوش مصنوعی، تحول چشمگیری را تجربه کنند. بنابراین، بدون آموزش مناسب هوش مصنوعی، کسبوکارها در معرض عدم همسویی بین پیادهکنندگان هوش مصنوعی و کسانی که از این فناوری استفاده میکنند، قرار میگیرند.
این میتواند منجر به عدم اعتماد، کندی پذیرش و استقرار ناکارآمد شود که میتواند بر سود نهایی تأثیر بگذارد. بنابراین، برای باز کردن پتانسیل کامل هوش مصنوعی عاملی، ایجاد دانش هوش مصنوعی در تمام سطوح سازمان ضروری است.
با شکوفا شدن این عصر جدید هوش مصنوعی، شرکتها باید از عصر فعلی پذیرش هوش مصنوعی درس بگیرند: بر موارد استفاده کاربردی با بازگشت سرمایه ملموس تمرکز کنید. روزهای آزمایش با هوش مصنوعی به خاطر نوآوری به پایان میرسد - نسل بعدی استقرارهای هوش مصنوعی باید ارزش خود را ثابت کنند.
در شبکهسازی، میتواند پروژههایی مانند بهینهسازی خودکار شبکه مبتنی بر هوش مصنوعی باشد. این سیستمها کاری بیش از خودکارسازی وظایف انجام میدهند. آنها به طور مداوم ترافیک شبکه را نظارت میکنند، نقاط ازدحام را پیشبینی میکنند و به طور خودکار پیکربندیها را برای اطمینان از عملکرد بهینه تنظیم میکنند. این راهکارهای مبتنی بر هوش مصنوعی با ارائه بینشهای پیشگیرانه و تنظیمات بلادرنگ، به شرکتها کمک میکنند تا از بروز مشکلات و قطعیها قبل از وقوع آنها جلوگیری کنند.
این سطح از خودمختاری هوش مصنوعی، دخالت انسان را کاهش داده و امنیت و کارایی عملیاتی کلی را افزایش میدهد.
شناسایی و پیادهسازی موارد استفاده از هوش مصنوعی عاملی با ارزش و پرتاثیر مانند اینها حیاتی خواهد بود.
اعتماد به عنوان مانع پذیرش
در حالی که ما وارد عصر جدیدی میشویم، اعتماد نقش کلیدی در پذیرش گسترده هوش مصنوعی ایفا میکند. کاربران باید اطمینان داشته باشند که تصمیمات هوش مصنوعی دقیق، منصفانه و قابل توضیح هستند. حتی پیشرفتهترین مدلهای هوش مصنوعی بدون شفافیت با چالشهایی برای جلب پذیرش مواجه خواهند شد.
این امر به ویژه در زمانی که هوش مصنوعی از کمک به کاربران به تصمیمگیریهای خودکار تغییر میکند، مرتبط است. چه عاملهای هوش مصنوعی زیرساخت فناوری اطلاعات را مدیریت کنند یا تعاملات مشتری را هدایت کنند، سازمانها باید اطمینان حاصل کنند که تصمیمات هوش مصنوعی قابل ممیزی، بیطرفانه و همسو با اهداف تجاری هستند.
بدون شفافیت و پاسخگویی، شرکتها ممکن است با مقاومت از سوی کارکنان و مشتریان مواجه شوند.
آینده هوش مصنوعی
با نگاهی به آینده، سال 2025 پتانسیل هیجانانگیزی برای هوش مصنوعی دارد. با رسیدن به سطح جدیدی از بلوغ، موفقیت آن به این بستگی دارد که سازمانها، دولتها و افراد چقدر با حضور روزافزون آن در زندگی روزمره سازگار میشوند. هوش مصنوعی با فراتر رفتن از کارایی و اتوماسیون، این فرصت را دارد که به یک محرک قدرتمند برای تصمیمگیری هوشمندانه، حل مسئله و نوآوری تبدیل شود.
سازمانهایی که به طور موثر از هوش مصنوعی عاملی استفاده میکنند - تعادل بین خودمختاری و نظارت - بیشترین مزایا را خواهند دید. با این حال، موفقیت مستلزم تعهد به شفافیت، آموزش و استقرار اخلاقی برای ایجاد اعتماد و اطمینان از اینکه هوش مصنوعی یک عامل واقعی برای پیشرفت است، خواهد بود.
زیرا هوش مصنوعی دیگر فقط یک شتابدهنده نیست، بلکه یک نیروی تحولآفرین است که نحوه کار، ارتباط و تعامل ما با فناوری را تغییر میدهد.